Samenvatting
Verdieping in Onderzoeksmethoden en statistiek voor pedagogen
2020/2021
Deze samenvatting bevat de inhoud van alle hoorcolleges, literatuur en de
Grasple lessen. Met uitzondering van de SPSS uitvoering.
(de samenvatting van de SPSS uitvoering waarin alle stappen van elke analyse in één document staat, is ook te koop via
mijn account)
1
,2
,Inhoud
Multipele regressie ............................................................................................................................................ 4
Meerweg ANOVA ............................................................................................................................................ 14
ANCOVA ......................................................................................................................................................... 24
Herhaalde metingen en mixed design.............................................................................................................. 35
Moderatie- en mediatie analyse ....................................................................................................................... 49
Factoranalyse .................................................................................................................................................. 62
Betrouwbaarheidsanalyse ............................................................................................................................... 74
Een overzicht van de analysetechnieken ........................................................................................................ 79
3
,Multipele regressie
Een verklaringsmodel
- Operationaliseren van de constructen/ begrippen: dus wat valt
er allemaal onder bv kind
- Een goede verklaringsmodel kan gebruikt worden voor
voorspelling voor de mensen die niet in de onderzoek zaten.
Maar voor de voorspelling moet je een steekproef nemen: voor
de populatie beschrijven en voor het toetsen van een individu
later.
- Je kan dan dus iemand buiten je steekproef vergelijken met de
steekproef die je eerder hebt gedaan en kijken naar wat het
meest aansluit bij de individu buiten je steekproef (een
voorspelling).
- Een voorbeeld van een verklaringsmodel is de regressiemodel.
Het lineaire model met één voorspeller:
- The lijn in het lineaire model: 1) the slope (=b1) dit kan omhoog
of naar beneden zijn, positief of negatief 2) intercept van de lijn
(=b0) het punt waar de lijn de verticale as van de grafiek kruist,
deze lokaliseert het model in geometrische ruimtes.
- Multipele regressie: aantal onafhankelijk variabelen zijn er
meer. Dit kan complexer of vollediger zijn.
Predictoren:
- X1 = eerste onafhankelijk variabele, deze is zonder horizontaal
streepje in het vakje en is dan een interval of ratio variabele.
- X2= met horizontaal streepje, wat betekent dat het in tweeën is
gedeeld: een dichotome variabele: meerdere groepen in 1
variabele. Voorbeeld: studenten > bachelor en pre-masters
Alle meetniveau’s die bestaan zijn:
- Nominaal: verschillende waarde zonder verschil. Bv. Geslacht,
bloedgroep en provincie.
- Ordinaal: verschillende waarde met verschil maar lastig aan te
duiden. Bv. Onderwijsniveau en inkomensgroepen.
- Interval: verschillende waarde met verschil. 0 staat niet voor
afwezigheid. Bv. Temperatuur, IQ en tijd.
- Ratio: verschillende waarde met verschil. 0 staat wel voor
afwezigheid. Bv. Gewicht, aantal goed en leeftijd.
De meetniveau‘s bij de multipele regressie
Afhankelijke variabele Y: (in de afhankelijke variabele zijn we altijd
geïnteresseerd, wat gebeurt er met deze variabele?)
- Minimaal interval meetniveau (kan dus ook ratio meetniveau
zijn).
4
, - In een histogram kan je alleen de afhankelijke variabele zien.
Dus stel je voor je meet hoeveel kennis een populatie van de
literatuur heeft dan kan je deze scores in een histogram zetten.
Wanneer je gaat kijken naar bv de opleiding van al deze
mensen om te bepalen of deze een rol speelt dan heb je een
onafhankelijke variabele en gebruik je een verklaringsmodel.
Meetniveau onafhankelijke variabelen X:
- Minimaal interval meetniveau.
- Kan ook een categorische kenmerk met twee categorieën van
nominaal meetniveau. Dit noemen we dan dichotoom.
- We werken met getallen om aan een voorspelde waarde te
komen. Bij twee categorieën kan je de categorieën cijferen met
0 en 1. Als je meerdere categorieën van nominaal meetniveau
hebt dan ga je deze omzetten in dummyvariabelen zodat je dan
meerdere getallen krijgt om mee te voorspellen. De
dummyvariabelen worden verderop uitgebreider toegelicht.
Hypothesen
Wanneer je bijvoorbeeld 3 onafhankelijke variabelen hebt:
- Stappen Nulhypothese toetsing:
- 1. Formuleren hypothese
- 2.Keuze & berekenen toetsingsgrootheid
- 3. Kans bepalen op resultaat gegeven H0
- 4. Beslissing nemen over H0
- 5. Inhoudelijke beslissing
- Hypothesen bij het toetsen van de verklaarde variantie door het
gehele model:
- H0: R2 = 0
- H1: R2 > 0
Regressiemodel
Voor de uitleg gebruiken we een voorbeeld:
- Je berekent hoeveel kennis een populatie heeft van literatuur.
- Onderzoeksvraag: Kunnen we iemands waarde op een
kenmerk (literatuur) voorspellen met kennis over andere
kenmerken (bijvoorbeeld: opleiding)?
Algemeen:
- Het regressiemodel gebruiken we bij de multipele regressie.
- Doelen analyse
- Beschrijven lineaire relaties tussen variabelen
(regressiemodel).
- Toetsen hypothesen over relaties (significantie).
- Kwantificeren van relaties (effectgrootte).
- Kwalificeren van relaties (klein, middelmatig, groot).
- Beoordelen relevantie relaties (subjectief).
- Voorspellen van iemands waarde met regressiemodel
(puntschatting en intervalschatting).
- Let op: Doe op basis van statistische samenhang geen
uitspraken over causaliteit.
5
Verdieping in Onderzoeksmethoden en statistiek voor pedagogen
2020/2021
Deze samenvatting bevat de inhoud van alle hoorcolleges, literatuur en de
Grasple lessen. Met uitzondering van de SPSS uitvoering.
(de samenvatting van de SPSS uitvoering waarin alle stappen van elke analyse in één document staat, is ook te koop via
mijn account)
1
,2
,Inhoud
Multipele regressie ............................................................................................................................................ 4
Meerweg ANOVA ............................................................................................................................................ 14
ANCOVA ......................................................................................................................................................... 24
Herhaalde metingen en mixed design.............................................................................................................. 35
Moderatie- en mediatie analyse ....................................................................................................................... 49
Factoranalyse .................................................................................................................................................. 62
Betrouwbaarheidsanalyse ............................................................................................................................... 74
Een overzicht van de analysetechnieken ........................................................................................................ 79
3
,Multipele regressie
Een verklaringsmodel
- Operationaliseren van de constructen/ begrippen: dus wat valt
er allemaal onder bv kind
- Een goede verklaringsmodel kan gebruikt worden voor
voorspelling voor de mensen die niet in de onderzoek zaten.
Maar voor de voorspelling moet je een steekproef nemen: voor
de populatie beschrijven en voor het toetsen van een individu
later.
- Je kan dan dus iemand buiten je steekproef vergelijken met de
steekproef die je eerder hebt gedaan en kijken naar wat het
meest aansluit bij de individu buiten je steekproef (een
voorspelling).
- Een voorbeeld van een verklaringsmodel is de regressiemodel.
Het lineaire model met één voorspeller:
- The lijn in het lineaire model: 1) the slope (=b1) dit kan omhoog
of naar beneden zijn, positief of negatief 2) intercept van de lijn
(=b0) het punt waar de lijn de verticale as van de grafiek kruist,
deze lokaliseert het model in geometrische ruimtes.
- Multipele regressie: aantal onafhankelijk variabelen zijn er
meer. Dit kan complexer of vollediger zijn.
Predictoren:
- X1 = eerste onafhankelijk variabele, deze is zonder horizontaal
streepje in het vakje en is dan een interval of ratio variabele.
- X2= met horizontaal streepje, wat betekent dat het in tweeën is
gedeeld: een dichotome variabele: meerdere groepen in 1
variabele. Voorbeeld: studenten > bachelor en pre-masters
Alle meetniveau’s die bestaan zijn:
- Nominaal: verschillende waarde zonder verschil. Bv. Geslacht,
bloedgroep en provincie.
- Ordinaal: verschillende waarde met verschil maar lastig aan te
duiden. Bv. Onderwijsniveau en inkomensgroepen.
- Interval: verschillende waarde met verschil. 0 staat niet voor
afwezigheid. Bv. Temperatuur, IQ en tijd.
- Ratio: verschillende waarde met verschil. 0 staat wel voor
afwezigheid. Bv. Gewicht, aantal goed en leeftijd.
De meetniveau‘s bij de multipele regressie
Afhankelijke variabele Y: (in de afhankelijke variabele zijn we altijd
geïnteresseerd, wat gebeurt er met deze variabele?)
- Minimaal interval meetniveau (kan dus ook ratio meetniveau
zijn).
4
, - In een histogram kan je alleen de afhankelijke variabele zien.
Dus stel je voor je meet hoeveel kennis een populatie van de
literatuur heeft dan kan je deze scores in een histogram zetten.
Wanneer je gaat kijken naar bv de opleiding van al deze
mensen om te bepalen of deze een rol speelt dan heb je een
onafhankelijke variabele en gebruik je een verklaringsmodel.
Meetniveau onafhankelijke variabelen X:
- Minimaal interval meetniveau.
- Kan ook een categorische kenmerk met twee categorieën van
nominaal meetniveau. Dit noemen we dan dichotoom.
- We werken met getallen om aan een voorspelde waarde te
komen. Bij twee categorieën kan je de categorieën cijferen met
0 en 1. Als je meerdere categorieën van nominaal meetniveau
hebt dan ga je deze omzetten in dummyvariabelen zodat je dan
meerdere getallen krijgt om mee te voorspellen. De
dummyvariabelen worden verderop uitgebreider toegelicht.
Hypothesen
Wanneer je bijvoorbeeld 3 onafhankelijke variabelen hebt:
- Stappen Nulhypothese toetsing:
- 1. Formuleren hypothese
- 2.Keuze & berekenen toetsingsgrootheid
- 3. Kans bepalen op resultaat gegeven H0
- 4. Beslissing nemen over H0
- 5. Inhoudelijke beslissing
- Hypothesen bij het toetsen van de verklaarde variantie door het
gehele model:
- H0: R2 = 0
- H1: R2 > 0
Regressiemodel
Voor de uitleg gebruiken we een voorbeeld:
- Je berekent hoeveel kennis een populatie heeft van literatuur.
- Onderzoeksvraag: Kunnen we iemands waarde op een
kenmerk (literatuur) voorspellen met kennis over andere
kenmerken (bijvoorbeeld: opleiding)?
Algemeen:
- Het regressiemodel gebruiken we bij de multipele regressie.
- Doelen analyse
- Beschrijven lineaire relaties tussen variabelen
(regressiemodel).
- Toetsen hypothesen over relaties (significantie).
- Kwantificeren van relaties (effectgrootte).
- Kwalificeren van relaties (klein, middelmatig, groot).
- Beoordelen relevantie relaties (subjectief).
- Voorspellen van iemands waarde met regressiemodel
(puntschatting en intervalschatting).
- Let op: Doe op basis van statistische samenhang geen
uitspraken over causaliteit.
5
